教師資料查詢 | 類別: 研究報告 | 教師: 葉怡成 YEH, I-CHENG (瀏覽個人網頁)

標題:以多種新型類神經網路及集成學習建構高性能混凝土強度模型 (II)
學年103
學期1
出版(發表)日期2014/08/01
作品名稱以多種新型類神經網路及集成學習建構高性能混凝土強度模型 (II)
作品名稱(其他語言)Building Strength Models of High Performance Concrete Using Novel Neural Networks and Ensemble Learning (II)
著者葉怡成
單位淡江大學土木工程學系
描述計畫編號NSC102-2221-E032-058 ;
研究期間201308~201407 ;
研究經費411,000
委託單位行政院國家科學委員會
摘要由於高性能混凝土成分較複雜,因此如何建構能夠準確預測其材料行為,如抗壓強度,便成為一個重要的議題。在過去的十年中,已有相當多的研究使用神經網路於混凝土材料的領域,但其準確性還有很大的可改善空間。雖然神經網絡可以建立準確的非線性模型,它們無法估計的因變數的分佈。本計畫提出一種分量迴歸神經網路(QRNN),用來估算高性能混凝土強度的分佈。我們使用含1030個抗壓強度數據的數據庫來評估QRNN。每個數據包括水泥、爐灰、飛灰、水、強塑劑、粗骨料、細骨料用量(公斤/立方米)以及齡期,和抗壓強度。這項研究得到以下結論:(1)分量迴歸神經網路可以建立精確的高性能混凝土的壓縮強度的分量模型並估算其分佈。(2)高性能混凝土抗壓強度預測的不同分佈顯示預測誤差的分佈是異質性的。(3)對數常態分佈比常態分佈更適合做為混凝土抗壓強度的分佈。由於對工程可靠度而言,一個抗壓強度的分佈的預測比單一預測值更為實用,因此具有估計抗壓強度分佈能力是QRNN的一個重要優勢。
關鍵字
語言中文
相關連結
Google+ 推薦功能,讓全世界都能看到您的推薦!